論文の概要: Niching Agents in The Core

• arxiv url: http://arxiv.org/abs/2609.12398v1
• Date: Fri, 11 Sep 2026 03:40:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.599025
• Title: Niching Agents in The Core
• Title（参考訳）: 核内ナイチング剤
• Abstract要約: Coreは競争力のある共進化アルゴリズムで、エージェントは従来のフィットネス機能を利用することなく自律的な制御を進化させることができる。 以前の研究は、Xpilotのビデオゲームで戦闘やナビゲーションが可能なエージェントを進化させるThe Coreの能力を示している。 この研究は、エージェントを元の環境の特定のサブセットにニーチすることで、その前提を拡大する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Core is a unique competitive co-evolution algorithm that allows agents to evolve autonomous control without utilizing a traditional fitness function. The agents evolve via local interactions through tournament selection, crossover, and mutation, producing offspring by evolving better controllers. Previous works have shown The Core's ability to evolve agents capable of combat and navigation in the Xpilot video game. This research expands upon that premise by niching agents to specific subsets of the original environment The Core was tested in. Our results demonstrate the niched agents capacity for success over agents niched to the entire system and agents niched to different sub-environments.
• Abstract（参考訳）: Coreは、エージェントが従来のフィットネス機能を利用することなく自律的な制御を進化させることができる、ユニークな競争力のある共進化アルゴリズムである。 エージェントはトーナメントの選択、クロスオーバー、突然変異を通じて局所的な相互作用を通じて進化し、より良いコントローラを進化させることで子孫を生み出す。 以前の研究は、Xpilotのビデオゲームで戦闘やナビゲーションが可能なエージェントを進化させるThe Coreの能力を示している。 この研究は、エージェントを元の環境の特定のサブセットにニーチすることで、その前提を拡大する。 以上の結果から,システム全体に対してニッチ化されたエージェントと,異なるサブ環境に対してニッチ化されたエージェントに比較して,ニッチ化されたエージェントを成功させる能力を示す。

関連論文リスト

• Co-Evolution in Agentic Systems: Toward Self-Directed Evolution Beyond Human Design [55.30329388138526]
  本調査は,複数のエージェントと環境が互いに適応的な圧力を課す多成分自己進化であるエージェントシステムの共進化に焦点を当てた。 既存の論文を整理するために,システムがどのように人為的制約を徐々に覆い隠すかを追究する,進歩的な3段階分類法を提案する。
  論文  参考訳（メタデータ） (2026-08-10T23:10:40Z)
• AgentFugue: Agent Scaling for Long-Horizon Tasks through Collective Reasoning [57.72181998599248]
  AgentFugueは、共通の推論ハブを中心に構築された、集合的推論フレームワークである。 ピアエージェントが同じタスクを並列に探索する際、ハブは各エージェントが何を確立、試み、あるいは除外したかを簡潔に記録する。 この結果から,集団推論によってピアエージェントシステムのスケールアウトが実現可能であることが示唆された。
  論文  参考訳（メタデータ） (2026-05-23T09:21:51Z)
• EVOCHAMBER: Test-Time Co-evolution of Multi-Agent System at Individual, Team, and Population Scales [27.568287645700064]
  シングルエージェント学習者は、自身のコンテキストと記憶だけを進化させることができる。 マルチエージェントシステムはさらに、誰が協力するか、どのように協力するか、どのように知識が集団に流れていくのかを進化させる。 EVOCHAMBERは,共進化エージェントプール上の3つのレベルでテスト時間進化をインスタンス化する,トレーニング不要のフレームワークである。
  論文  参考訳（メタデータ） (2026-05-11T18:42:33Z)
• Evolutionary Ensemble of Agents [7.465452178698495]
  EvEは、分散化されたフレームワークであり、アルゴリズム発見のためのライブで共進化するシステムにコーディングエージェントを編成する。 2つの共進化する人口を維持することで、EvEはエージェントを同期レースを通じて評価し、経験的Elo格付けを更新する。 固定初期エージェントや凍結した「ベスト進化」エージェントによって駆動される変種と比較して、EvEは位相ミスマッチを独自に回避する。
  論文  参考訳（メタデータ） (2026-05-09T15:56:10Z)
• CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery [67.47220507982522]
  大規模言語モデル(LLM)ベースの進化は、オープンな発見のための有望なアプローチである。 オープンエンド問題における自律的マルチエージェント進化のための最初のフレームワークであるCORALを紹介する。 コーラルは、厳格な制御を長期にわたるエージェントに置き換え、探索し、反射し、協力する。
  論文  参考訳（メタデータ） (2026-04-02T05:59:06Z)
• EvoAgent: Towards Automatic Multi-Agent Generation via Evolutionary Algorithms [55.77492625524141]
  EvoAgentは、特殊エージェントをマルチエージェントシステムに自動的に拡張するジェネリックメソッドである。 EvoAgent は LLM エージェントのタスク解決能力を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-06-20T11:49:23Z)
• AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
  大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。 我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。 我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-06-06T15:15:41Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• Co-design of Embodied Neural Intelligence via Constrained Evolution [8.350757829136315]
  自律移動エージェントの形状特性と移動特性を共設計する手法を提案する。 私たちの主なインスピレーションは進化であり、それが自然の幅広い多様性と適応につながった。 その結果,変化の10%に過ぎなかったとしても,進化したエージェントの全体的な性能は50%向上した。
  論文  参考訳（メタデータ） (2022-05-21T22:44:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。